利用python进行数据分析学习笔记 一、numpy基础：数组和矢量计算

利用python进行数据分析学习笔记 一、numpy基础：数组和矢量计算 numpy的ndarray：一种多维数组对象

import numpy as np

ndarray中的元素必须是相同的类型，每一个数组有一个shape（表示各维度大小的元组）和一个dtype（用于说明数组数据类型的对象）

data = np.array([[1, 2, 3], [4, 5, 6]], dtype = np.int32)
data
array([[1, 2, 3],
       [4, 5, 6]])

data.shape
(3,2)

data.dtype
dtype('int32')

1.创建ndarray数组

        最简单的方法就是使用array函数，它接受一切序列型的对象（包括其他数组），然后产生一个新的含有传入数据的Numpy数组，下面以列表为例：

data1 = [1,2,3,4]
arr1 = np.array(data1)
arr1
array([1, 2, 3, 4])

对于嵌套序列，它将转化成一个多维数组：

data2 = [[1.3, 2.4], [1, 5]]
arr2 = np.array(data2)
arr2
array([[1.3, 2.4],
       [1. , 5. ]])

arr2.ndim  #求数组维数
2
arr2.shape
(2,2)

np.array会给新创建的这个数组推断出一个合适的数据类型，数据类型保存在一个特殊的dtype对象中。

arr1.dtype
dtype('int32')

arr2.dtype
dtype('float64')

除了np.array之外，还有一些函数可以新建数组：

np.zeros(3)   #全零数组
array([0., 0., 0.])

np.zeros((2,3))     #注意当数组不是一维的时候，以元组的形式传入参数
array([[0., 0., 0.],
       [0., 0., 0.]])

np.ones(2)   #全1数组
array([1., 1.])

np.empty((2,2))  #返回未初始化的垃圾值，随机的
array([[1.3, 2.4],
       [1. , 5. ]])

下面介绍一个numpy的内置函数arange，它其实是range的数组版

np.arange(15)
array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14])

数组创建函数 array将输入数据（列表，元组，数组或其他序列类型）转化为ndarray，要么推断出dtype，要么显示指定dtype，默认直接复制数据类型asarray将输入转换为ndarray类型，如果本身是一个ndarray类型就不进行复制ones, ones_like根据指定的形状和dtype创建一个全1数组，ones_like以另一个数组的shape为参数，创建一个和其形状大小，dtype相同的全1数组zeros, zeros_like类似于ones, ones_like，只不过创建的是全零数组empty, empty_like创建新的数组，只分配内存空间但不填充任何值eye, eye_like创建一个正方的NxN单位矩阵（对角线为1，其余为0）arange类似于内置的range，但返回的不是列表而是ndarray